Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Die Nachfrage nach Produkten präzise vorherzusagen, hilft einem Unternehmen, dem Markt einen Schritt voraus zu sein. Wenn du weißt, was die Nachfrage beeinflusst, kannst du das Verhalten rund um deine Produkte gezielter steuern. Dieser Kurs zeigt dir, wie du mit R die Produktnachfrage prognostizierst. Du lernst, wichtige Einflussfaktoren zu identifizieren, Saisoneffekte zu betrachten und die Nachfrage für eine Produkt-Hierarchie anhand eines realen Beispiels zu prognostizieren. Am Ende des Kurses kannst du die Nachfrage für mehrere Produkte in einer Region eines US-Bundesstaats vorhersagen. Anschließend aggregierst du diese Vorhersagen über viele Regionen desselben Bundesstaats zu einem vollständigen hierarchischen Prognosesystem.
Voraussetzungen
Lernprogramm
Kursübersicht
1
Nachfrageprognose mit Zeitreihen
Für Prognosen sind Zeitreihenmodelle ein idealer Einstieg! Du möchtest zukünftige Werte der Verkaufsnachfrage vorhersagen, und ein guter Basisansatz sind ARIMA-Modelle. In diesem Kapitel lernst du, wie du ARIMA-Modelle schnell implementierst und solide erste Vorhersagen für die zukünftige Produktnachfrage erhältst.
- Daten in ein xts-Objekt laden50 XP
- Daten importieren100 XP
- Daten plotten/visualisieren100 XP
- ARIMA-Zeitreihen 10150 XP
- Funktion auto.arima()100 XP
- auto.arima interpretieren50 XP
- Prognostizieren und Auswerten50 XP
- Forecast-Funktion100 XP
- MAPE und MAE berechnen100 XP
- Vorhersage visualisieren100 XP
- Konfidenzintervalle für die Prognose100 XP
2
Bestandteile der Nachfrage
Die Wirtschaftstheorie hat viel zur Vorhersage von Nachfragewerten zu sagen. Offensichtlich treiben externe Faktoren wie Preis, Saisonalität und der Zeitpunkt von Aktionen bestimmte Aspekte der Produktnachfrage. In diesem Kapitel lernst du die Grundlagen von Preiselastizitätsmodellen kennen und wie du Saisonalität und Aktionszeitpunkte in unsere Nachfrageprognosen für Produkte integrieren kannst.
3
Regression mit Zeitreihen kombinieren
Zeitreihenmodelle und Preisregressionen müssen nicht als getrennte Ansätze für Nachfrageprognosen betrachtet werden. Man kann sie kombinieren! In diesem Kapitel lernst du zwei Möglichkeiten kennen, die in beiden Modellierungsansätzen gewonnenen Informationen zu „kombinieren“ – Transferfunktionen und Forecast-Ensembling.
4
Hierarchische Prognosen
Bisher ging es darum, einzelne Modelle zur Prognose der Produktnachfrage zu erstellen. Dabei haben wir jedoch noch nicht genutzt, dass all diese Produkte eine Verkaufshierarchie bilden. Produkte gehören zu Regionen, und Regionen zu Bundesstaaten. Wie stellen wir sicher, dass unsere Prognosen entlang der Hierarchie konsistent sind – nach oben und unten? In diesem Kapitel lernst du hierarchische Prognosen kennen und wie du sie für die Nachfrageprognose zu deinem Vorteil nutzt.
R
Prognose der Produktnachfrage in R
Kurs
abgeschlossen
